Поиск
Найдено: 50
1ч 47м🛠 Тюнинг LLM: как методы PPO и DPO превращают нейросети из автодополнителей в полезных помощников
1ч 44м🎮 От Atari до ChatGPT: как ИИ учится на своих ошибках?
1ч 18м🎓 Как аналитический метод DPO изменил выравнивание LLM и столкнулся со взломом наград
52 мин🧠 Как технология TAO от Databricks превращает обычные нейросети в экспертов без участия человека
45 мин📝 Learning to summarize from human feedback (Paper Explained)
22 мин🤖 Dream to Control: подробный разбор обучения агентов в латентном пространстве
1ч 19м📈 Пост-обучение больших языковых моделей: от контекстного промптинга до алгоритмов RLHF и DPO
1ч 22м📊 Чип Хьюен: как создавать ИИ-продукты, которые действительно работают
1ч 13м🔄 Подход Model-Based RL: как Стэнфорд обучает сложных роботов за четыре часа
3ч 04м🌐 ИИ против экспертов: почему «просто делать свою работу» больше недостаточно
1ч 16м📚 Обучение ИИ на человеческих предпочтениях: лекция Сэми Куа в Стэнфорде
53 мин🔄 Янник Кильчер разобрал метод Reinforced Self-Training от Google DeepMind
1ч 19м🤖 Арчит Шарма о будущем LLM: как обучают ChatGPT?
1ч 47м🎯 Стэнфорд: «Ваша языковая модель — это на самом деле скрытая модель вознаграждения»
1ч 02м🚀 Преподаватель Стэнфорда о методах обучения языковых моделей: от RLHF к DPO
1ч 48м🚀 DeepSeek-R1: Как Китай совершил революцию в рассуждениях ИИ
1ч 14м🔄 Как устроен посттренинг языковых моделей: от SFT до RLHF
1ч 17м🧠 Джейкоб Андреас: «Как современные языковые модели учатся рассуждать»
1ч 08м🧬 Нейтан Ламберт о жизни после DPO: почему PPO все еще лучше, но сложнее
3ч 18м🚀 «Притворное выравнивание»: почему ИИ лжет, чтобы выжить, и как его остановить
27 мин🗣 Лора Руис о коммуникации ИИ: «Модели не способны общаться в режиме zero-shot»
1ч 19м🚀 Мин Дин из Zhipu AI: от языковых моделей к мультимодальным системам будущего
1ч 19м🕰 Мин Дин об эволюции ИИ: от больших языковых к мультимодальным моделям
58 мин🛠 Джеффри Лэдиш: как современные ИИ-агенты тайно обходить команды отключения человека
52 мин🧩 Архитектура Mixture-of-Experts и тренды масштабирования больших моделей от Ирвана Белло
10 мин🐙 Кеннет Стенли: «RLHF — это наклеивание смайлика на хаос интернета»
29 мин🕹 Google DeepMind: «SIMA 2 приближает нас к созданию AGI через видеоигры»
2ч 38м🚀 Как Anthropic защищает нейросети от государственного шпионажа
1ч 17м💡 Как адаптировать LLM: от обучения инструкциям до RAG
1ч 40м⚡ Эра NVIDIA H100 и ИИ-агенты: главные тренды внедрения технологий
1ч 21м🏗 Раза Хабиб о внедрении AI: почему RLHF переоценен
1ч 55м🔬 Как Future House автоматизирует научные открытия с помощью ИИ-агентов
1ч 49м🏛 Как 15 ученых смогли превзойти ИИ-гигантов уровня Meta?
1ч 13м🔄 От симуляции такси до ChatGPT: как максимизация энтропии и отзывы людей обучают современный ИИ
44 мин📉 Итоги сессии NeurIPS 2023: от скрытых алгоритмов трансформеров до защиты от аппаратных сбоев
53 мин🧠 Марк Чен и Якуб Пахоцкий раскрыли долгосрочную стратегию OpenAI
53 мин🧠 Эра Vibe Coding: как лидеры OpenAI Марк Чен и Якуб Пахоцкий меняют разработку ИИ
42 мин🚀 GPT-5 и эра агентов: Кристина Ким о том, почему «данные — это новая таблетка»
31 мин🌐 Янник Кильхер: WebGPT, ожившие рисунки и новый журнал TMLR
1ч 13м🧩 Stanford CS234 Reinforcement Learning I Tabular MDP Planning I 2024 I Lecture 2
35 мин🌐 Янник Килчер запустил платформу OpenAssistant для создания открытого аналога ChatGPT
31 мин🛠 Янник Килчер о ChatGPT: «Джейлбрейки в мире дистопии»
3ч 31м🧠 Как устроены LLM: от «зип-файла интернета» до рассуждающих моделей
1ч 56м📊 Как Андрей Карпатый собрал GPT из 200 строк кода
1ч 29м🤖 Джеффри Лэдиш о рисках ИИ: почему модели рассуждения начинают взламывать системы и обманывать людей
1ч 18м🤖 От случайного блуждания до Q-Learning: как ИИ учится на своих ошибках
1ч 20м🚀 Stanford CS336: секреты обучения reasoning-моделей DeepSeek-R1, Kimi и Qwen
1ч 51м🚀 Стэнфорд CME295: Итоги 2025 года в мире трансформеров и диффузионных моделей
2ч 53м🚀 Цена мысли: почему инференс меняет правила игры в ИИ
30 мин🧠 Ян Лекун и Рэндалл Балестриеро: «Обучение с подкреплением неэффективно»